As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Rotulagem de dados com human-in-the-loop
<a name="data-label"></a>

Para treinar um modelo de machine learning, você precisa de um conjunto de dados rotulados grande e de alta qualidade. Você pode rotular seus dados usando o Amazon SageMaker Ground Truth. Escolha um dos [tipos de tarefas integradas](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-task-types.html) do Ground Truth ou crie seu próprio [fluxo de trabalho de etiquetagem personalizado](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-custom-templates.html). Para melhorar a precisão de seus rótulos de dados e reduzir o custo total de rotular os dados, use os atributos aprimorados de rotulagem de dados da Ground Truth, como rotulagem [automática de dados](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-automated-labeling.html) e [consolidação de anotações](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-annotation-consolidation.html). 



**Topics**
+ [Rotulagem de dados de treinamento usando humanos com o Amazon SageMaker Ground Truth](sms.md)
+ [Use o Amazon SageMaker Ground Truth Plus para rotular dados](gtp.md)
+ [Forças de trabalho](sms-workforce-management.md)
+ [Referência do Crowd HTML Elements](sms-ui-template-reference.md)
+ [Usando o Amazon Augmented AI para análise humana](a2i-use-augmented-ai-a2i-human-review-loops.md)